CN110147078B - 一种无故障rgv智能系统二道工序加工动态调度方法 - Google Patents

一种无故障rgv智能系统二道工序加工动态调度方法 Download PDF

Info

Publication number
CN110147078B
CN110147078B CN201910073120.7A CN201910073120A CN110147078B CN 110147078 B CN110147078 B CN 110147078B CN 201910073120 A CN201910073120 A CN 201910073120A CN 110147078 B CN110147078 B CN 110147078B
Authority
CN
China
Prior art keywords
rgv
product
tool bit
procedure
time
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201910073120.7A
Other languages
English (en)
Other versions
CN110147078A (zh
Inventor
刘冲
杨翠
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Aerospace Junchuang Technology Co ltd
Original Assignee
Anqing Normal University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Anqing Normal University filed Critical Anqing Normal University
Priority to CN201910073120.7A priority Critical patent/CN110147078B/zh
Publication of CN110147078A publication Critical patent/CN110147078A/zh
Application granted granted Critical
Publication of CN110147078B publication Critical patent/CN110147078B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
    • G05B19/4155—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by programme execution, i.e. part programme or machine function execution, e.g. selection of a programme

Landscapes

  • Engineering & Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Manufacturing & Machinery (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • General Factory Administration (AREA)
  • Numerical Control (AREA)

Abstract

本发明公开了一种无故障RGV智能系统二道工序加工动态调度方法，包括：以单次二道工序产品通过RGV系统加工完成的时长数据为系统参数，对单轨道两边各四组对称加工刀头的RGV智能加工系统，以产品一道工序加工时长和二道工序CNC刀头空闲总时间最大为目标，考虑系统产品加工物品编号、加工时长、加工刀头CNC标号为系统约束变量，随时间变化进行状态转移，建立排队论——动态规划预测模型，对批量产品生产和加工进行预测分析,采用随机增量学习机制求出加工刀头CNC的最佳一道和二道工序分配方案，为生产提供工作计划提供依据。

Description

一种无故障RGV智能系统二道工序加工动态调度方法
技术领域
本发明涉及RGV技术领域，尤其涉及一种无故障RGV智能系统二道工序加工动态调度方法。
背景技术
随着自动化控制技术的发展，单轨道RGV智能系统凭借着价格低廉、方便灵活的优点，被广泛代替人工应用于各种产品深加工行业。但由于行业应用要求不同，经常需要单组单轨道RGV智能系统进行产品二道工序加工。二道工序加工远比一道工序加工的过程复杂，需要对CNC加工刀头进行合理分配，缺乏合理的分配方案，RGV智能系统利用效率低下，这一直是那些对RGV智能技术要求不高的中小企业难题，尤其对于那些中小企业资金紧缺、陈旧设备老化，RGV智能系统避免不了会经常出现故障停工，更需要优化的决策方案。
目前，对于有故障RGV二道工序加工动态调度模型最常见的是遗传算法，它是一种随机搜索方法，这种方法概率的选取带有一定主观性，同时对于不同的二道工序产品加工分配方案的差异，遗传算法缺乏一定的学习性能。一些将遗传算法或模拟退火法与网络模型如有向图和Petri网等结合的模型，通过网络的构建，将物品加工演化成一定的网络改变，同时通过智能算法求网络最优，能达到任务的最佳安排，网络模型能很好的避免既定的人为模式，但这种智能算法与网络模型结合的模型需要大量的数据训练，求解繁琐，对中小企业实用性不明显。
发明内容
基于背景技术存在的技术问题，本发明提出了一种无故障RGV智能系统二道工序加工动态调度方法；
本发明提出的一种无故障RGV智能系统二道工序加工动态调度方法，包括：
S1、预设第一道工序时刀头加工单个产品时的第一道工序加工时长、第一道工序产品编号、第一道工序刀头数目初始值、第一道工序转移次数、第一道工序上下料时间，第二道工序时刀头加工单个产品时的第二道工序加工时长、第二道工序产品编号、第二道工序刀头数目初始值、第二道工序转移次数、第二道工序上下料时间，及状态变量、RGV移动时长、产品的生产数目、刀头的标号、RGV位置、刀头清洗时长、刀头的工作总时长，所述状态变量包括空闲变量和非空闲变量。
S2、在第一道工序时，根据预设的刀头空闲加工时长优先策略确定RGV到达的刀头，并控制RGV向刀头移动；
S3、获取RGV位置，判断RGV是否到达刀头，若是，执行步骤S4；若否，RGV继续向刀头移动；
S4、判断刀头是否空闲，若是，进行刀头上料，并根据预设的离散化生物演化方程更新第一道工序刀头空闲状态变量，直到上料完成后，更新产品的生产数目，执行步骤S2；若否，进行刀头下料及清洗，并根据预设的离散化生物演化方程更新第一道工序刀头非空闲状态变量，直到下料完成后，更新产品的生产数目，执行步骤S5；
S5、在第二道工序时，根据预设的刀头空闲加工时长优先策略确定RGV到达的刀头，并控制RGV向刀头移动；
S6、获取RGV位置，判断RGV是否到达刀头，若是，执行步骤S7；若否，RGV继续向刀头移动；
S7、判断刀头是否空闲，若是，进行刀头上料，并根据预设的离散化生物演化方程更新第二道工序刀头空闲状态变量，直到上料完成后，更新产品的生产数目，执行步骤S5；若否，进行刀头下料及清洗，并根据预设的离散化生物演化方程更新第二道工序刀头非空闲状态变量，直到下料完成后，更新产品的生产数目，执行步骤S8；
S8、获取当前时间，判断当前时间是否超过预设的刀头的工作总时长，若是，计算第一道工序刀头等待时间和第一道工序刀头等待时间之和M0；若否，执行步骤S2；
S9、令第一道工序刀头数目初始值加1，第二道工序刀头数目初始值减1，并根据机器学习方法对第一道工序的刀头进行第一次机器学习，并计算第一次机器学习后第一道工序刀头等待时间和第二道工序刀头等待时间之和M1，并将M1与M0进行比较；
S10、当M1＞M0时，令M0＝M1，并执行步骤S9，直到M1＜M0时，输出当前的第一道工序刀头数目和第二道工序刀头数目；当M1＜M0时，执行步骤S11；
S11、令第一道工序刀头数目初始值减1，第二道工序刀头数目初始值加1，并根据机器学习方法对第一道工序的刀头进行第二次机器学习，并计算第二次机器学习后第一道工序刀头等待时间和第二道工序刀头等待时间之和M2，并将M2与M0进行比较；
S12、当M2＞M0时，令M2＝M0，并执行步骤S11，直到M2＜M0时，输出当前的第一道工序刀头数目和第二道工序刀头数目；当M2＜M0时，输出第一道工序刀头数目初始值和第一道工序刀头数目初始值。
优选地，步骤S2中，所述在第一道工序时，根据预设的刀头空闲加工时长优先策略确定RGV到达的刀头，具体为：
获取进行第一道工序的所有刀头的状态变量和刀头加工的产品的加工时长，根据所有刀头的状态变量判断是否有刀头的状态变量为空闲状态变量，若是，确定RGV到达的刀头为状态变量为空闲状态变量的刀头；若否，确定RGV到达的刀头为产品的加工时长最长对应的刀头。
优选地，步骤S5中，所述在第二道工序时，根据预设的刀头空闲加工时长优先策略确定RGV到达的刀头，具体为：
获取进行第二道工序的所有刀头的状态变量和刀头加工的产品的加工时长，根据所有刀头的状态变量判断是否有刀头的状态变量为空闲状态变量，若是，确定RGV到达的刀头为状态变量为空闲状态变量的刀头；若否，确定RGV到达的刀头为产品的加工时长最长对应的刀头。
优选地，步骤S4中，所述根据预设的离散化生物演化方程更新第一道工序刀头空闲状态变量，具体为：
通过离散化生物演化方程Fj+1(S1 j+1,N1 j+1,T1 j+1,Nj+1 C1)＝aFj(S1 j,N1 j,T1 j,Nj C1)+β进行演化，更新S1 j+1＝S1 j+1，N1(w1)＝S1 j，T1 j+1＝T1 j+tc1/2，T1 j+1(w1)＝1，T2 j+1＝T2 j+tc1/2，
Figure GDA0003308615580000042
t′j+1＝t′j+tc1/2，其中，Fj(S1 j,N1 j,T1 j,Nj C1)＝[S1 j,N1 j,T1 j,Nj C1]T，α，β为方程系数，S1 j表示第j个产品的第一道工序转移次数，N1 j表示第j个产品的第一道工序产品编号，T1 j表示第j个产品的第一道工序加工时长，Nj C1表示第一道工序时第j个刀头的标号，tc1表示第一道工序上下料时间，w1表示步骤S2中RGV到达的刀头的标号，t′j+1表示加工j+1个产品刀头的工作总时长，t′j表示加工j个产品刀头的工作总时长，T2 j表示第j个产品的第二道工序加工时长；N1(w1)表示RGV执行当前产品标号，T1 j+1(w1)表示RGV执行产品到刀头时间，
Figure GDA0003308615580000041
表示RGV执行当前产品面对的刀头。
优选地，步骤S4中，所述根据预设的离散化生物演化方程更新第一道工序刀头非空闲状态变量，具体为：
通过离散化生物演化方程Fj+1(S1 j+1,N1 j+1,T1 j+1,Nj+1 C1)＝aFj(S1 j,N1 j,T1 j,Nj C1)+β进行演化，更新Sj+1＝Sj+1，T1 j+1＝T1 j+tc1，T1 j+1(w1)＝1，T2 j+1＝T2 j+tc1，
Figure GDA0003308615580000051
t′j+1＝t′j+tc1，其中，Fj(S1 j,N1 j,T1 j,Nj C1)＝[S1 j,N1 j,T1 j,Nj C1]T，α，β为方程系数，S1 j表示第j个产品的第一道工序转移次数，N1 j表示第j个产品的第一道工序产品编号，T1 j表示第j个产品的第一道工序加工时长，Nj C1表示第一道工序时第j个刀头的标号，tc1表示第一道工序上下料时间，w1表示步骤S2中RGV到达的刀头的标号，t′j+1表示加工j+1个产品刀头的工作总时长，t′j表示加工j个产品刀头的工作总时长，T2 j表示第j个产品的第二道工序加工时长。
优选地，步骤S7中，所述根据预设的离散化生物演化方程更新第二道工序刀头空闲状态变量，具体为：
通过离散化生物演化方程Fj+1(S2 j+1,N2 j+1,T2 j+1,Nj+1 C2)＝aFj(S2 j,N2 j,T2 j,Nj C2)+β进行演化，更新N2(w2)＝N1(w1)，T1 j+1＝T1 j+tc2/2，T2 j+1＝T2 j+tc2/2，
Figure GDA0003308615580000052
t′j+1＝t′j+tc2/2，其中，Fj(S2 j,N2 j,T2 j,Nj C2)＝[S2 j,N2 j,T2 j,Nj C2]T，α，β为方程系数，S2 j表示第j个产品的第二道工序转移次数，N1 j表示第j个产品的第一道工序产品编号，N2 j表示第j个产品的第二道工序产品编号，T2 j表示第j个产品的第二道工序加工时长，Nj C2表示第二道工序时第j个刀头的标号，tc2表示第二道工序上下料时间，w1表示步骤S2中RGV到达的刀头的标号，w2表示步骤S7中RGV到达的刀头的标号，
Figure GDA0003308615580000053
表示执行二道工序具时RGV小车所面对的刀头状态量。
优选地，步骤S7中，所述根据预设的离散化生物演化方程更新第二道工序刀头非空闲状态变量，具体为：
通过离散化生物演化方程Fj+1(S2 j+1,N2 j+1,T2 j+1,Nj+1 C2)＝aFj(S2 j,N2 j,T2 j,Nj C2)+β进行演化，更新
Figure GDA0003308615580000054
T1 j+1＝T1 j+tc2+tq T2 j+1＝T2 j+tc2+tq，T2 j+1(w)＝tq，Nj+1 C2(w2)＝w2，
Figure GDA0003308615580000061
t′j+1＝t′j+tc2+tq，其中，α，β为方程系数，Fj(S2 j,N2 j,T2 j,Nj C2)＝[S2 j,N2 j,T2 j,Nj C2]T，S2 j表示第j个产品的第二道工序转移次数，N1 j表示第j个产品的第一道工序产品编号，N2 j表示第j个产品的第二道工序产品编号，T2 j表示第j个产品的第二道工序加工时长，Nj C2表示第二道工序时第j个刀头的标号，tc2表示第二道工序上下料时间，w1表示步骤S2中RGV到达的刀头的标号，w2表示步骤S7中RGV到达的刀头的标号，t′j+1表示加工j+1个产品刀头的工作总时长，t′j表示加工j个产品刀头的工作总时长，tq表示刀头清洗时长；tj表示第j个产品在二道工序时每个刀头空闲时间点，tj+1表示第j+1个产品在二道工序时每个刀头空闲时间点。
优选地，通过公式
Figure GDA0003308615580000062
计算第一道工序刀头等待时间和第二道工序刀头空闲时间之和。其中，Sj+1表示产品的生产数目，tr1表示第一道工序加工时长，
Figure GDA0003308615580000063
表示第二道工序刀头第j次更新后累加空闲时间。
本发明中，通过以刀头空闲加工时长优先策略，选择RGV到达的刀头，避免人为设定概率变化规律，按照按转移次数、产品的编号、加工时长、刀头的标号四个参数进行作生物演化形式进行时间状态转移，一道工序产品等待时长和二道工序CNC刀头空闲时间之和最小为总目标，目标函数为线性函数，求解简单，采用随机增量机器学习求解，随机增加时长，通过学习一道工序刀头的组数最优，容易得到刀头的分配方案，通过增量学习机制求解，能很有效避免大量数据训练的需求，不需要进行大量训练，即可得到产品生产计划，所得预测结果能较好的作为实际参照依据。
附图说明
图1为本发明提出的一种无故障RGV智能系统二道工序加工动态调度方法的流程示意图。
具体实施方式
参照图1，本发明提出的一种无故障RGV智能系统二道工序加工动态调度方法，包括：
步骤S1，预设第一道工序时刀头加工单个产品时的第一道工序加工时长、第一道工序产品编号、第一道工序刀头数目初始值、第一道工序转移次数、第一道工序上下料时间，第二道工序时刀头加工单个产品时的第二道工序加工时长、第二道工序产品编号、第二道工序刀头数目初始值、第二道工序转移次数、第二道工序上下料时间，及状态变量、RGV移动时长、产品的生产数目、刀头的标号、RGV位置、刀头清洗时长、刀头的工作总时长，所述状态变量包括空闲变量和非空闲变量。
在具体方案中，只需取单位个产品单工序加工时长参数，相对于网络模型而言不需要进行大量训练，即可得到产品生产计划。
步骤S2，在第一道工序时，根据预设的刀头空闲加工时长优先策略确定RGV到达的刀头，并控制RGV向刀头移动。
本步骤中在第一道工序时，根据预设的刀头空闲加工时长优先策略确定RGV到达的刀头具体为：获取进行第一道工序的所有刀头的状态变量和刀头加工的产品的加工时长，根据所有刀头的状态变量判断是否有刀头的状态变量为空闲状态变量，若是，确定RGV到达的刀头为状态变量为空闲状态变量的刀头；若否，确定RGV到达的刀头为产品的加工时长最长对应的刀头。
在具体方案中，以刀头空闲加工时长优先策略，RGV到达的刀头优先选择刀头的状态变量为空闲状态变量的刀头，即空闲的刀头；在所有的刀头均为非空闲状态变量，RGV到达的刀头优先选择产品的加工时长最长对应的刀头，即对当前正在加工的产品已加工时间最长的刀头，避免人为设定概率变化规律。
步骤S3，获取RGV位置，判断RGV是否到达刀头，若是，执行步骤S4；若否，RGV继续向刀头移动；
步骤S4，判断刀头是否空闲，若是，进行刀头上料，并根据预设的离散化生物演化方程更新第一道工序刀头空闲状态变量，直到上料完成后，更新产品的生产数目，执行步骤S2；若否，进行刀头下料及清洗，并根据预设的离散化生物演化方程更新第一道工序刀头非空闲状态变量，直到下料完成后，更新产品的生产数目，执行步骤S5。
本步骤中根据预设的离散化生物演化方程更新第一道工序刀头空闲状态变量具体为：
通过离散化生物演化方程Fj+1(S1 j+1,N1 j+1,T1 j+1,Nj+1 C1)＝aFj(S1 j,N1 j,T1 j,Nj C1)+β进行演化，更新S1 j+1＝S1 j+1，N1(w1)＝S1 j，T1 j+1＝T1 j+tc1/2，T1 j+1(w1)＝1，T2 j+1＝T2 j+tc1/2，
Figure GDA0003308615580000081
t′j+1＝t′j+tc1/2，其中，Fj(S1 j,N1 j,T1 j,Nj C1)＝[S1 j,N1 j,T1 j,Nj C1]T，α，β为方程系数，S1 j表示第j个产品的第一转移次数，N1 j表示第j个产品的第一道工序产品编号，T1 j表示第j个产品的第一道工序加工时长，Nj C1表示第一道工序时第j个刀头的标号，tc1表示第一道工序上下料时间，w1表示步骤S2中RGV到达的刀头的标号，t′j+1表示加工j+1个产品刀头的工作总时长，t′j表示加工j个产品刀头的工作总时长，T2 j表示第j个产品的第二道工序加工时长；N1(w1)表示RGV执行当前产品标号，T1 j+1(w1)表示RGV执行产品到刀头时间，
Figure GDA0003308615580000082
表示RGV执行当前产品面对的刀头。
根据预设的离散化生物演化方程更新第一道工序刀头非空闲状态变量具体为：通过离散化生物演化方程Fj+1(S1 j+1,N1 j+1,T1 j+1,Nj+1 C1)＝aFj(S1 j,N1 j,T1 j,Nj C1)+β进行演化，更新Sj+1＝Sj+1，T1 j+1＝T1 j+tc1，T1 j+1(w1)＝1，T2 j+1＝T2 j+tc1，
Figure GDA0003308615580000083
t′j+1＝t′j+tc1，其中，Fj(S1 j,N1 j,T1 j,Nj C1)＝[S1 j,N1 j,T1 j,Nj C1]T，α，β为方程系数，S1 j表示第j个产品的第一道工序转移次数，N1 j表示第j个产品的第一道工序产品编号，T1 j表示第j个产品的第一道工序加工时长，Nj C1表示第一道工序时第j个刀头的标号，tc1表示第一道工序上下料时间，w1表示步骤S2中RGV到达的刀头的标号，T2 j表示第j个产品的第二道工序加工时长。
步骤S5，在第二道工序时，根据预设的刀头空闲加工时长优先策略确定RGV到达的刀头，并控制RGV向刀头移动。
在具体方案中，以刀头空闲加工时长优先策略，RGV到达的刀头优先选择刀头的状态变量为空闲状态变量的刀头，即空闲的刀头；在所有的刀头均为非空闲状态变量，RGV到达的刀头优先选择产品的加工时长最长对应的刀头，即对当前正在加工的产品已加工时间最长的刀头，避免人为设定概率变化规律。
本步骤中在第二道工序时，根据预设的刀头空闲加工时长优先策略确定RGV到达的刀头具体为：获取进行第二道工序的所有刀头的状态变量和刀头加工的产品的加工时长，根据所有刀头的状态变量判断是否有刀头的状态变量为空闲状态变量，若是，确定RGV到达的刀头为状态变量为空闲状态变量的刀头；若否，确定RGV到达的刀头为产品的加工时长最长对应的刀头。
步骤S6，获取RGV位置，判断RGV是否到达刀头，若是，执行步骤S7；若否，RGV继续向刀头移动；
步骤S7，判断刀头是否空闲，若是，进行刀头上料，并根据预设的离散化生物演化方程更新第二道工序刀头空闲状态变量，直到上料完成后，更新产品的生产数目，执行步骤S5；若否，进行刀头下料及清洗，并根据预设的离散化生物演化方程更新第二道工序刀头非空闲状态变量，直到下料完成后，更新产品的生产数目，执行步骤S8。
本步骤中根据预设的离散化生物演化方程更新第二道工序刀头空闲状态变量具体为：
通过离散化生物演化方程Fj+1(S2 j+1,N2 j+1,T2 j+1,Nj+1 C2)＝aFj(S2 j,N2 j,T2 j,Nj C2)+β进行演化，更新N2(w2)＝N1(w1)，T1 j+1＝T1 j+tc2/2，T2 j+1＝T2 j+tc2/2，
Figure GDA0003308615580000101
t′j+1＝t′j+tc2/2，其中，Fj(S2 j,N2 j,T2 j,Nj C2)＝[S2 j,N2 j,T2 j,Nj C2]T，α，β为方程系数，S2 j表示第j个产品的第二道工序转移次数，N1 j表示第j个产品的第一道工序产品编号，N2 j表示第j个产品的第二道工序产品编号，T2 j表示第j个产品的第二道工序加工时长，Nj C2表示第二道工序时第j个刀头的标号，tc2表示第二上下料时间，w1表示步骤S2中RGV到达的刀头的标号，w2表示步骤S7中RGV到达的刀头的标号，t′j+1表示加工j+1个产品刀头的工作总时长，t′j表示加工j个产品刀头的工作总时长；
Figure GDA0003308615580000102
表示执行二道工序具时RGV小车所面对的刀头状态量。
根据预设的离散化生物演化方程更新第二道工序刀头非空闲状态变量具体为：通过离散化生物演化方程Fj+1(S2 j+1,N2 j+1,T2 j+1,Nj+1 C2)＝aFj(S2 j,N2 j,T2 j,Nj C2)+β进行演化，更新
Figure GDA0003308615580000103
T1 j+1＝T1 j+tc2+tq T2 j+1＝T2 j+tc2+tq，T2 j+1(w)＝tq，Nj+1 C2(w2)＝w2，
Figure GDA0003308615580000104
t′j+1＝t′j+tc2+tq，其中，α，β为方程系数，Fj(S2 j,N2 j,T2 j,Nj C2)＝[S2 j,N2 j,T2 j,Nj C2]T，S2 j表示第j个产品的第二转移次数，N1 j表示第j个产品的第一道工序产品编号，N2 j表示第j个产品的第二道工序产品编号，T2 j表示第j个产品的第二道工序加工时长，Nj C2表示第二道工序时第j个刀头的标号，tc2表示第二道工序上下料时间，w1表示步骤S2中RGV到达的刀头的标号，w2表示步骤S7中RGV到达的刀头的标号，t′表示刀头的工作总时长，tq表示刀头清洗时长；tj表示第j个产品在二道工序时每个刀头空闲时间点，tj+1表示第j+1个产品在二道工序时每个刀头空闲时间点。
步骤S8，获取当前时间，判断当前时间是否超过预设的刀头的工作总时长，若是，计算第一道工序刀头等待时间和第一道工序刀头等待时间之和M0；若否，执行步骤S2。
本步骤中，通过公式
Figure GDA0003308615580000111
计算第一道工序刀头等待时间和第二道工序刀头空闲时间之和，其中，Sj+1表示产品的生产数目，tr1表示第一道工序加工时长，
Figure GDA0003308615580000112
表示第二道工序刀头第j次更新后累加空闲时间。
步骤S9，令第一道工序刀头数目初始值加1，第二道工序刀头数目初始值减1，并根据机器学习方法对一道工序道工序的刀头进行第一次机器学习，并计算第一次机器学习后第一道工序刀头等待时间和第二道工序刀头等待时间之和M1，并将M1与M0进行比较；
步骤S10，当M1＞M0时，令M0＝M1，并执行步骤S9，直到M1＜M0时，输出当前的第一道工序刀头数目和第二道工序刀头数目；当M1＜M0时，执行步骤S11；
步骤S11，令第一道工序刀头数目初始值减1，第二道工序刀头数目初始值加1，并根据机器学习方法对一道工序的刀头进行第二次机器学习，并计算第二次机器学习后第一道工序刀头等待时间和第二道工序刀头等待时间之和M2，并将M2与M0进行比较；
步骤S12，当M2＞M0时，令M2＝M0，并执行步骤S11，直到M2＜M0时，输出当前的第一道工序刀头数目和第二道工序刀头数目；当M2＜M0时，输出第一道工序刀头数目初始值和第一道工序刀头数目初始值。
在具体方案中，按照按转移次数、产品的编号、加工时长、刀头的标号四个参数进行作生物演化形式进行时间状态转移，一道工序产品等待时长和二道工序CNC刀头空闲时间之和最小为总目标，目标函数为线性函数，求解简单，采用随机增量机器学习求解，随机增加时长，通过学习一道工序刀头的组数最优，容易得到刀头的分配方案，通过增量学习机制求解，能很有效避免大量数据训练的需求。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims (8)

1.一种无故障RGV智能系统二道工序加工动态调度方法，其特征在于，包括：
S1、预设第一道工序时刀头加工单个产品时的第一道工序加工时长、第一道工序产品编号、第一道工序刀头数目初始值、第一道工序转移次数、第一道工序上下料时间，第二道工序时刀头加工单个产品时的第二道工序加工时长、第二道工序产品编号、第二道工序刀头数目初始值、第二道工序转移次数、第二道工序上下料时间，及状态变量、RGV移动时长、产品的生产数目、刀头的标号、RGV位置、刀头清洗时长、刀头的工作总时长，所述状态变量包括空闲变量和非空闲变量；
S2、在第一道工序时，根据预设的刀头空闲加工时长优先策略确定RGV到达的刀头，并控制RGV向刀头移动；
S3、获取RGV位置，判断RGV是否到达刀头，若是，执行步骤S4；若否，RGV继续向刀头移动；
S4、判断刀头是否空闲，若是，进行刀头上料，并根据预设的离散化生物演化方程更新第一道工序刀头空闲状态变量，直到上料完成后，更新产品的生产数目，执行步骤S2；若否，进行刀头下料及清洗，并根据预设的离散化生物演化方程更新第一道工序刀头非空闲状态变量，直到下料完成后，更新产品的生产数目，执行步骤S5；
S5、在第二道工序时，根据预设的刀头空闲加工时长优先策略确定RGV到达的刀头，并控制RGV向刀头移动；
S6、获取RGV位置，判断RGV是否到达刀头，若是，执行步骤S7；若否，RGV继续向刀头移动；
S7、判断刀头是否空闲，若是，进行刀头上料，并根据预设的离散化生物演化方程更新第二道工序刀头空闲状态变量，直到上料完成后，更新产品的生产数目，执行步骤S5；若否，进行刀头下料及清洗，并根据预设的离散化生物演化方程更新第二道工序刀头非空闲状态变量，直到下料完成后，更新产品的生产数目，执行步骤S8；
S8、获取当前时间，判断当前时间是否超过预设的刀头的工作总时长，若是，计算第一道工序刀头等待时间和第一道工序刀头等待时间之和M0；若否，执行步骤S2；
S9、令第一道工序刀头数目初始值加1，第二道工序刀头数目初始值减1，并根据机器学习方法对第一道工序的刀头进行第一次机器学习，并计算第一次机器学习后第一道工序刀头等待时间和第二道工序刀头等待时间之和M1，并将M1与M0进行比较；
S10、当M1＞M0时，令M0＝M1，并执行步骤S9，直到M1＜M0时，输出当前的第一道工序刀头数目和第二道工序刀头数目；当M1＜M0时，执行步骤S11；
S11、令第一道工序刀头数目初始值减1，第二道工序刀头数目初始值加1，并根据机器学习方法对第一道工序的刀头进行第二次机器学习，并计算第二次机器学习后第一道工序刀头等待时间和第二道工序刀头等待时间之和M2，并将M2与M0进行比较；
S12、当M2＞M0时，令M2＝M0，并执行步骤S11，直到M2＜M0时，输出当前的第一道工序刀头数目和第二道工序刀头数目；当M2＜M0时，输出第一道工序刀头数目初始值和第一道工序刀头数目初始值。
2.根据权利要求1所述的无故障RGV智能系统二道工序加工动态调度方法，其特征在于，步骤S2中，所述在第一道工序时，根据预设的刀头空闲加工时长优先策略确定RGV到达的刀头，具体为：
获取进行第一道工序的所有刀头的状态变量和刀头加工的产品的加工时长，根据所有刀头的状态变量判断是否有刀头的状态变量为空闲状态变量，若是，确定RGV到达的刀头为状态变量为空闲状态变量的刀头；若否，确定RGV到达的刀头为产品的加工时长最长对应的刀头。
3.根据权利要求1所述的无故障RGV智能系统二道工序加工动态调度方法，其特征在于，步骤S5中，所述在第二道工序时，根据预设的刀头空闲加工时长优先策略确定RGV到达的刀头，具体为：
获取进行第二道工序的所有刀头的状态变量和刀头加工的产品的加工时长，根据所有刀头的状态变量判断是否有刀头的状态变量为空闲状态变量，若是，确定RGV到达的刀头为状态变量为空闲状态变量的刀头；若否，确定RGV到达的刀头为产品的加工时长最长对应的刀头。
4.根据权利要求1所述的无故障RGV智能系统二道工序加工动态调度方法，其特征在于，步骤S4中，所述根据预设的离散化生物演化方程更新第一道工序刀头空闲状态变量，具体为：
通过离散化生物演化方程Fj+1(S1 j+1,N1 j+1,T1 j+1,Nj+1 C1)＝aFj(S1 j,N1 j,T1 j,Nj C1)+β进行演化，更新S1 j+1＝S1 j+1，N1(w1)＝S1 j，T1 j+1＝T1 j+tc1/2，T1 j+1(w1)＝1，T2 j+1＝T2 j+tc1/2，
Figure FDA0003270447750000031
t′j+1＝t′j+tc1/2，其中，Fj(S1 j,N1 j,T1 j,Nj C1)＝[S1 j,N1 j,T1 j,Nj C1]T，α，β为方程系数，S1 j表示第j个产品的第一道工序转移次数，N1 j表示第j个产品的第一道工序产品编号，T1 j表示第j个产品的第一道工序加工时长，Nj C1表示第一道工序时第j个刀头的标号，tc1表示第一道工序上下料时间，w1表示步骤S2中RGV到达的刀头的标号，t′j表示加工j个产品刀头的工作总时长，t′j+1表示加工j+1个产品刀头的工作总时长，T2 j表示第j个产品的第二道工序加工时长，N1(w1)表示RGV执行当前产品标号，T1 j+1(w1)表示RGV执行产品到刀头时间，
Figure FDA0003270447750000041
表示RGV执行当前产品面对的刀头。
5.根据权利要求1所述的无故障RGV智能系统二道工序加工动态调度方法，其特征在于，步骤S4中，所述根据预设的离散化生物演化方程更新第一道工序刀头非空闲状态变量，具体为：
通过离散化生物演化方程Fj+1(S1 j+1,N1 j+1,T1 j+1,Nj+1 C1)＝aFj(S1 j,N1 j,T1 j,Nj C1)+β进行演化，更新Sj+1＝Sj+1，T1 j+1＝T1 j+tc1，T1 j+1(w1)＝1，T2 j+1＝T2 j+tc1，
Figure FDA0003270447750000042
t′j+1＝t′j+tc1，其中，Fj(S1 j,N1 j,T1 j,Nj C1)＝[S1 j,N1 j,T1 j,Nj C1]T，α，β为方程系数，S1 j表示第j个产品的第一道工序转移次数，N1 j表示第j个产品的第一道工序产品编号，T1 j表示第j个产品的第一道工序加工时长，Nj C1表示第一道工序时第j个刀头的标号，tc1表示第一道工序上下料时间，w1表示步骤S2中RGV到达的刀头的标号，t′j表示加工j个产品刀头的工作总时长，t′j+1表示加工j+1个产品刀头的工作总时长，T2 j表示第j个产品的第二道工序加工时长，
Figure FDA0003270447750000043
表示RGV执行当前产品面对的刀头。
6.根据权利要求1所述的无故障RGV智能系统二道工序加工动态调度方法，其特征在于，步骤S7中，所述根据预设的离散化生物演化方程更新第二道工序刀头空闲状态变量，具体为：
通过离散化生物演化方程Fj+1(S2 j+1,N2 j+1,T2 j+1,Nj+1 C2)＝aFj(S2 j,N2 j,T2 j,Nj C2)+β进行演化，更新N2(w2)＝N1(w1)，T1 j+1＝T1 j+tc2/2，T2 j+1＝T2 j+tc2/2，
Figure FDA0003270447750000044
t′j+1＝t′j+tc2/2，其中，Fj(S2 j,N2 j,T2 j,Nj C2)＝[S2 j,N2 j,T2 j,Nj C2]T，α，β为方程系数，S2 j表示第j个产品的第二道工序转移次数，N1 j表示第j个产品的第一道工序产品编号，N2 j表示第j个产品的第二道工序产品编号，T2 j表示第j个产品的第二道工序加工时长，Nj C2表示第二道工序时第j个刀头的标号，tc2表示第二道工序上下料时间，w1表示步骤S2中RGV到达的刀头的标号，w2表示步骤S7中RGV到达的刀头的标号，tj′表示加工j个产品刀头的工作总时长，t′j+1表示加工j+1个产品刀头的工作总时长，
Figure FDA0003270447750000051
表示执行二道工序具时RGV小车所面对的刀头状态量。
7.根据权利要求1所述的无故障RGV智能系统二道工序加工动态调度方法，其特征在于，步骤S7中，所述根据预设的离散化生物演化方程更新第二道工序刀头非空闲状态变量，具体为：
通过离散化生物演化方程Fj+1(S2 j+1,N2 j+1,T2 j+1,Nj+1 C2)＝aFj(S2 j,N2 j,T2 j,Nj C2)+β，Fj+1(S2 j+1,N2 j+1,T2 j+1,Nj+1 C2)＝aFj(S2 j,N2 j,T2 j,Nj C2)+β进行演化，更新
Figure FDA0003270447750000052
T1 j +1＝T1 j+tc2+tq T2 j+1＝T2 j+tc2+tq，T2 j+1(w)＝tq，Nj+1 C2(w2)＝w2，
Figure FDA0003270447750000053
其中，α，β为方程系数，Fj(S2 j,N2 j,T2 j,Nj C2)＝[S2 j,N2 j,T2 j,Nj C2]T，S2 j表示第j个产品的第二道工序转移次数，N1 j表示第j个产品的第一道工序产品编号，N2 j表示第j个产品的第二道工序产品编号，T2 j表示第j个产品的第二道工序加工时长，Nj C2表示第二道工序时第j个刀头的标号，tc2表示第二道工序上下料时间，w1表示步骤S2中RGV到达的刀头的标号，w2表示步骤S7中RGV到达的刀头的标号，t′j表示加工j个产品刀头的工作总时长，t′j+1表示加工j+1个产品刀头的工作总时长，tq表示刀头清洗时长，tj表示第j个产品在二道工序时每个刀头空闲时间点，tj+1表示第j+1个产品在二道工序时每个刀头空闲时间点。
8.根据权利要求1所述的无故障RGV智能系统二道工序加工动态调度方法，其特征在于，通过公式
Figure FDA0003270447750000054
计算第一道工序刀头等待时间和第二道工序刀头空闲时间之和；其中，Sj+1表示产品的生产数目，tr1表示第一道工序加工时长，
Figure FDA0003270447750000055
表示第二道工序刀头第j次更新后累加空闲时间。
CN201910073120.7A 2019-01-25 2019-01-25 一种无故障rgv智能系统二道工序加工动态调度方法 Active CN110147078B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910073120.7A CN110147078B (zh) 2019-01-25 2019-01-25 一种无故障rgv智能系统二道工序加工动态调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910073120.7A CN110147078B (zh) 2019-01-25 2019-01-25 一种无故障rgv智能系统二道工序加工动态调度方法

Publications (2)

Publication Number Publication Date
CN110147078A CN110147078A (zh) 2019-08-20
CN110147078B true CN110147078B (zh) 2021-12-07

Family

ID=67589568

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910073120.7A Active CN110147078B (zh) 2019-01-25 2019-01-25 一种无故障rgv智能系统二道工序加工动态调度方法

Country Status (1)

Country Link
CN (1) CN110147078B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117041983B (zh) * 2023-10-08 2024-02-06 中邮消费金融有限公司 一种动态调整参数的移动终端设备指纹生成方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101216710A (zh) * 2007-12-28 2008-07-09 东南大学 一种由计算机实现的自适应选择动态生产调度控制系统
CN201380249Y (zh) * 2008-11-13 2010-01-13 赖炳南 全自动冲压成型金属带钢扣方板机
CN104118838A (zh) * 2014-04-30 2014-10-29 云南昆船设计研究院 基于自动化物流技术的糖香料柔性调配中心
CN104635772A (zh) * 2014-12-08 2015-05-20 南京信息工程大学 一种制造系统自适应动态调度方法
CN106707990A (zh) * 2016-12-19 2017-05-24 湘潭大学 一种基于离散萤火虫算法的多目标柔性作业车间调度方法
CN107807623A (zh) * 2017-11-24 2018-03-16 大连理工大学 柔性机加生产线的动态排产方法、系统及在高铁动车零部件组柔性机加生产线中的应用
CN107831745A (zh) * 2017-11-09 2018-03-23 西南交通大学 一种柔性作业车间插单动态调度优化方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW201514642A (zh) * 2013-12-04 2015-04-16 Hon Hai Prec Ind Co Ltd 加工程式優化系統及方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101216710A (zh) * 2007-12-28 2008-07-09 东南大学 一种由计算机实现的自适应选择动态生产调度控制系统
CN201380249Y (zh) * 2008-11-13 2010-01-13 赖炳南 全自动冲压成型金属带钢扣方板机
CN104118838A (zh) * 2014-04-30 2014-10-29 云南昆船设计研究院 基于自动化物流技术的糖香料柔性调配中心
CN104635772A (zh) * 2014-12-08 2015-05-20 南京信息工程大学 一种制造系统自适应动态调度方法
CN106707990A (zh) * 2016-12-19 2017-05-24 湘潭大学 一种基于离散萤火虫算法的多目标柔性作业车间调度方法
CN107831745A (zh) * 2017-11-09 2018-03-23 西南交通大学 一种柔性作业车间插单动态调度优化方法
CN107807623A (zh) * 2017-11-24 2018-03-16 大连理工大学 柔性机加生产线的动态排产方法、系统及在高铁动车零部件组柔性机加生产线中的应用

Also Published As

Publication number Publication date
CN110147078A (zh) 2019-08-20

Similar Documents

Publication Publication Date Title
Zanchettin et al. Prediction of human activity patterns for human–robot collaborative assembly tasks
CN109598416B (zh) 一种复材车间的动态排产系统及排产方法
CN110609531B (zh) 一种基于数字孪生的车间调度方法
Asokan et al. Application of adaptive genetic algorithm and particle swarm optimisation in scheduling of jobs and AS/RS in FMS
He et al. Scheduling flexible job shop problem subject to machine breakdown with route changing and right-shift strategies
JP2017142595A (ja) 生産制御システムおよび統合生産制御システム
CN105974794B (zh) 基于改进的猫群算法的离散制造车间调度方法
CN106527373A (zh) 基于多智能体的车间自主调度系统和方法
Xu et al. Optimization approaches for solving production scheduling problem: A brief overview and a case study for hybrid flow shop using genetic algorithms
CN110347120A (zh) 控制装置以及机器学习装置
CN116542445A (zh) 基于深度强化学习的装备制造车间智能调度方法和系统
CN110084462B (zh) 一种基于故障rgv智能二道工序加工调度方法
CN112348314A (zh) 一种带起重机的分布式柔性车间调度方法及系统
CN110147078B (zh) 一种无故障rgv智能系统二道工序加工动态调度方法
CN115319742A (zh) 带机器人物料搬运的柔性制造单元作业调度方法
CN106557072B (zh) 数控加工设备执行程序的辅助编程方法
CN109034540B (zh) 一种基于在制品工序流的机床序列编排动态预测方法
Kubota et al. Genetic algorithm with age structure and its application to self-organizing manufacturing system
CN113406939A (zh) 一种基于深度q网络的无关并行机动态混合流水车间调度方法
CN114460908A (zh) 一种螺狮粉生产企业柔性生产车间调度方法
CN113848904A (zh) 一种基于惩罚能耗优化多移动机器人任务分配的方法
CN116128221B (zh) 一种基于数字孪生的航发叶片再制造生产线调度方法
Ma et al. A hybrid discrete differential evolution algorithm for dynamic scheduling in robotic cells
CN109919355B (zh) 一种基于故障的rgv单工序产品加工数量预测方法
CN115755801A (zh) 基于sqp-cs的船舶建造车间工序优化方法及系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20221215

Address after: Room 517, building 1, No. 8, Hangfeng Road, Science City, Fengtai District, Beijing 100070

Patentee after: BEIJING AEROSPACE JUNCHUANG TECHNOLOGY Co.,Ltd.

Address before: 246000 1318 Jixian North Road, Anqing, Anhui

Patentee before: ANQING NORMAL University

TR01 Transfer of patent right